CN113672746B - 多媒体资源推荐方法、装置、电子设备及存储介质 - Google Patents
多媒体资源推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113672746B CN113672746B CN202110850607.9A CN202110850607A CN113672746B CN 113672746 B CN113672746 B CN 113672746B CN 202110850607 A CN202110850607 A CN 202110850607A CN 113672746 B CN113672746 B CN 113672746B
- Authority
- CN
- China
- Prior art keywords
- multimedia
- target
- resources
- multimedia resource
- resource
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000006399 behavior Effects 0.000 claims abstract description 56
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims description 33
- 230000003993 interaction Effects 0.000 claims description 30
- 238000012163 sequencing technique Methods 0.000 claims description 16
- 238000012216 screening Methods 0.000 claims description 13
- 230000001960 triggered effect Effects 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 230000003542 behavioural effect Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000000875 corresponding effect Effects 0.000 description 149
- 238000010586 diagram Methods 0.000 description 14
- 241001465754 Metazoa Species 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 235000013305 food Nutrition 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 230000002829 reductive effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 241000282472 Canis lupus familiaris Species 0.000 description 1
- 241000282326 Felis catus Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
- G06F16/43—Querying
- G06F16/435—Filtering based on additional data, e.g. user or group profiles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开关于一种多媒体资源推荐方法、装置、电子设备及存储介质。该方法包括:获取目标对象在多个多媒体类别下对应的多媒体资源序列,所述多媒体资源序列为所述目标对象执行过目标行为的多媒体资源序列;从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源;获取与所述目标多媒体资源相关的关联多媒体资源;将所述关联多媒体资源推荐给所述目标对象。根据本公开提供的技术方案,使得获取的关联多媒体资源既可以覆盖目标对象的多层行为兴趣,又可以保证与目标对象的强相关性,从而可以提高多媒体资源推荐的整体效果以及提升推荐的处理效率。
Description
技术领域
本公开涉及多媒体技术领域,尤其涉及一种多媒体资源推荐方法、装置、电子设备及存储介质。
背景技术
随着推荐业务的发展,多媒体资源的推荐也成为多媒体资源平台的重要业务。相关技术中,一般会对对象观看的多媒体进行统计,得到对象偏好的多媒体类别,进而可以向对象推荐该偏好的多媒体类别下的多媒体资源;或者可以推荐与对象观看的多媒体相关的多媒体资源。前者推荐粒度较低,后者推荐的多媒体资源不能覆盖对象的兴趣,导致多媒体资源的推荐精准度均不高。
发明内容
本公开提供一种多媒体资源推荐方法、装置、电子设备及存储介质,以至少解决相关技术中如何提升多媒体资源推荐精度的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种多媒体资源推荐方法,包括:
获取目标对象在多个多媒体类别下对应的多媒体资源序列,所述多媒体资源序列为所述目标对象执行过目标行为的多媒体资源序列;
从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源;
获取与所述目标多媒体资源相关的关联多媒体资源;
将所述关联多媒体资源推荐给所述目标对象。
在一种可能的实现方式中,在所述从多个所述多媒体类别对应的多媒体资源序列中提取目标多媒体资源步骤之前,所述方法还包括:
获取向所述目标对象推荐多媒体资源的目标数量以及所述多媒体资源序列中多媒体资源的第一数量;
根据所述目标数量和所述第一数量,确定预设比例;
所述从多个所述多媒体类别对应的多媒体资源序列中提取目标多媒体资源步骤包括:
分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述方法还包括:
确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
根据所述第二数量,确定对应多媒体类别的权重信息;
所述根据所述目标数量和所述第一数量,确定预设比例步骤包括:
根据所述目标数量、所述第一数量以及所述权重信息,确定所述预设比例。
在一种可能的实现方式中,所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
获取每个多媒体资源序列中各多媒体资源对应的所述目标对象执行所述目标行为的时间信息以及由所述目标对象触发的各多媒体资源对应的展示时长;
从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
从所述第一多媒体资源中过滤掉所述目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
基于所述时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
根据所述排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息,其中,所述展示指标信息表征多媒体资源的展示进度信息;所述互动指标信息表征所述目标对象与各多媒体资源的互动信息;
确定所述各多媒体资源对应的所述展示指标信息与所述互动指标信息的加权指标信息;
基于所述加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述目标多媒体资源包括第一目标多媒体资源和第二目标多媒体资源;所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
在所述第二数量与所述预设比例的乘积为非整数的情况下,对所述乘积进行取整处理,得到第三数量;
从所述非整数对应的多媒体资源序列中提取所述第三数量的多媒体资源作为所述第一目标多媒体资源;
在所述第二数量与所述预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取所述乘积对应数量的多媒体资源作为所述第二目标多媒体资源。
在一种可能的实现方式中,所述获取目标对象在多个多媒体类别下对应的多媒体资源序列步骤包括:
获取所述目标对象在距离当前时间最近的预设时间段内的目标行为序列,所述目标行为序列包括所述第一数量的多媒体资源;
对所述第一数量的多媒体资源进行分类,得到所述多个多媒体类别各自对应的所述多媒体资源序列。
根据本公开实施例的第二方面,提供一种多媒体资源推荐装置,包括:
多媒体资源序列获取模块,被配置为执行获取目标对象在多个多媒体类别下对应的多媒体资源序列,所述多媒体资源序列为所述目标对象执行过目标行为的多媒体资源序列;
目标多媒体资源提取模块,被配置为执行从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源;
关联多媒体资源获取模块,被配置为执行获取与所述目标多媒体资源相关的关联多媒体资源;
推荐模块,被配置为执行将所述关联多媒体资源推荐给所述目标对象。
在一种可能的实现方式中,所述装置还包括:
目标数量和第一数量获取模块,被配置为执行获取向目标对象推荐多媒体资源的目标数量以及多媒体资源序列中多媒体资源的第一数量;
预设比例确定模块,被配置为执行根据所述目标数量和所述第一数量,确定预设比例;
所述目标多媒体资源提取模块包括:
目标多媒体资源提取单元,被配置为执行分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述装置还包括:
第二数量确定模块,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
权重信息确定模块,被配置为执行根据所述第二数量,确定对应多媒体类别的权重信息;
所述预设比例确定模块包括:
预设比例确定单元,被配置为执行根据所述目标数量、所述第一数量以及所述权重信息,确定所述预设比例。
在一种可能的实现方式中,所述目标多媒体资源提取单元包括:
时间信息和展示时长获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的所述目标对象执行所述目标行为的时间信息以及由所述目标对象触发的各多媒体资源对应的展示时长;
第一多媒体资源筛选子单元,被配置为执行从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
过滤子单元,被配置为执行从所述第一多媒体资源中过滤掉所述目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
排序结果获取子单元,被配置为执行基于所述时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
第一目标多媒体资源获取子单元,被配置为执行根据所述排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述目标多媒体资源提取单元包括:
指标信息获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息,其中,所述展示指标信息表征多媒体资源的展示进度信息;所述互动指标信息表征所述目标对象与各多媒体资源的互动信息;
加权指标信息确定子单元,被配置为执行确定所述各多媒体资源对应的所述展示指标信息与所述互动指标信息的加权指标信息;
第二目标多媒体资源获取子单元,被配置为执行基于所述加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
在一种可能的实现方式中,所述目标多媒体资源包括第一目标多媒体资源和第二目标多媒体资源;所述目标多媒体资源提取单元包括:
第二数量确定子单元,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
第三数量获取子单元,被配置为执行在所述第二数量与所述预设比例的乘积为非整数的情况下,对所述乘积进行取整处理,得到第三数量;
第一目标多媒体获取子单元,被配置为执行从所述非整数对应的多媒体资源序列中提取所述第三数量的多媒体资源作为所述第一目标多媒体资源;
第二目标多媒体获取子单元,被配置为执行在所述第二数量与所述预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取所述乘积对应数量的多媒体资源作为所述第二目标多媒体资源。
在一种可能的实现方式中,所述多媒体资源序列获取模块包括:
目标行为序列获取单元,被配置为执行获取所述目标对象在距离当前时间最近的预设时间段内的目标行为序列,所述目标行为序列包括所述第一数量的多媒体资源;
多媒体资源序列获取单元,被配置为执行对所述第一数量的多媒体资源进行分类,得到所述多个多媒体类别各自对应的所述多媒体资源序列。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,以实现如上述第一方面中任一项所述的方法。
根据本公开实施例的第四方面,提供一种计算机可读存储介质,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行本公开实施例的第一方面中任一所述方法。
根据本公开实施例的第五方面,提供一种计算机程序产品,包括计算机指令,所述计算机指令被处理器执行时,使得计算机执行本公开实施例的第一方面中任一项所述方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过获取目标对象在多个多媒体类别下对应的多媒体资源序列,且多媒体资源序列为目标对象执行过目标行为的多媒体资源序列,可以获取目标对象的多层行为兴趣下的多媒体资源序列;并且可以从每个多媒体类别对应的多媒体资源序列中提取目标多媒体资源,降低了相关性计算的量级,为获取与目标多媒体资源相关的关联多媒体资源提供了保障,使得获取的关联多媒体资源既可以覆盖目标对象的多层行为兴趣,又可以保证与目标对象的强相关性,从而可以提高多媒体资源推荐的整体效果以及提升推荐的处理效率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种应用环境的示意图。
图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
图3是根据一示例性实施例示出的一种多媒体资源序列的示意图。
图4是根据一示例性实施例示出的一种目标多媒体资源的示意图。
图5是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
图6是根据一示例性实施例示出的一种获取目标对象在多个多媒体类别下对应的多媒体资源序列的方法流程图。
图7是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。
图8是根据一示例性实施例示出的一种分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源的方法流程图。
图9是根据一示例性实施例示出的一种分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源的方法流程图。
图10是根据一示例性实施例示出的一种多媒体资源推荐装置框图。
图11是根据一示例性实施例示出的一种用于多媒体资源推荐的电子设备的框图。
图12是根据一示例性实施例示出的一种用于多媒体资源推荐的电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
近年来,随着人工智能技术研究和进步,人工智能技术在多个领域得到广泛应用,本申请实施例提供的方案涉及机器学习/深度学习等技术,具体通过如下实施例进行说明:
请参阅图1,图1是根据一示例性实施例示出的一种应用环境的示意图,如图1所示,该应用环境可以包括服务器01和终端02。
在一个可选的实施例中,服务器01可以用于多媒体资源的推荐。具体的,服务器01可以是独立的物理服务器,也可以是多个物理服务器构成的服务器集群或者分布式系统,还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network,内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
在一个可选的实施例中,终端02可以用于展示推荐的关联多媒体资源。具体的,终端02可以包括但不限于智能手机、台式计算机、平板电脑、笔记本电脑、智能音箱、数字助理、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、智能可穿戴设备等类型的电子设备。可选的,电子设备上运行的操作系统可以包括但不限于安卓系统、IOS系统、linux、windows等。
需要说明的是,图1所示的仅仅是本公开提供的图像处理方法的一种应用环境。
本说明书实施例中,上述服务器01以及终端02可以通过有线或无线通信方式进行直接或间接地连接,本申请在此不做限制。
此外,需要说明的是,以下图中示出的是一种可能的步骤顺序,实际上并不限定必须严格按照此顺序。有些步骤可以在互不依赖的情况下并行执行。本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息、用户行为信息等)和数据(包括但不限于用于展示的数据、训练的数据等),均为经用户授权或者经过各方充分授权的信息和数据。
图2是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。如图2所示,可以包括以下步骤。
在步骤S201中,获取目标对象在多个多媒体类别下对应的多媒体资源序列,该多媒体资源序列为目标对象执行过目标行为的多媒体资源序列。
本说明书实施例中,目标对象可以是指目标用户,目标用户可以是多媒体资源平台中的任一用户。多媒体资源序列可以是按照目标对象执行目标行为的时间顺序排序的多媒体资源,这里的多媒体资源可以是视频资源、图文资源等,视频资源可以包括短视频,本公开对此不作限定。
目标行为可以是预设行为中的一种或多种,该预设行为可以是指目标对象能够对多媒体资源执行的行为,例如可以包括展示、点赞、评论、收藏、转发、关注等行为,本公开对此不作限定。在多媒体资源为视频时,展示行为可以包括有效观看、长播、完播等行为。以20秒的短视频为例,有效观看可以是指目标对象观看该短视频大于6秒、长播可以是指目标对象观看该短视频大于10秒、完播可以是指目标对象观看该短视频大于或等于20秒。这里仅仅是一个示例,不对本公开进行限定。
上述多个多媒体类别可以是指多媒体资源的内容类别中任一层级的全部类别或部分类别,该内容类别可以包括多个层级的类别,例如可以包括一级类别、二级类别、主题、标签等层级。其中,二级类别可以是一级类别下的细分类别,主题可以是二级类别的细分类别,标签可以是主题下的细分类别,标签可以用于表征多媒体资源的详细内容。内容类别的层级以及每个层级中的类别可以是多媒体资源平台预先设置的,本公开对这些均不作限定。
在一个示例中,一级类别可以包括美食、动物、游戏、教育等;以动物为例,动物下的二级类别可以包括宠物、野生动物等;宠物下的细分类别可以包括狗、猫等。这样一个多媒体资源的一级类别至标签可以如下:动物-宠物-狗-泰迪、洗澡。这里的“泰迪、洗澡”可以是多媒体资源的标签。
实际应用中,可以获取目标对象执行过目标行为的多媒体资源序列,从而可以对该多媒体资源序列中的多媒体资源进行分类,得到目标对象在多个多媒体类别下对应的多媒体资源序列,如图3所示,多个多媒体类别为内容类别中一级类别的全部类别或部分类别,假设一级类别包括t+3个类别,分别为美食、动物、游戏、教育、搞笑、美妆、动作等。多个多媒体类别可以是t+3个类别中的t个类别,以视频为例,可以表示目标对象观看过的视频序列覆盖了t个类别,即覆盖了部分类别。
其中,图3中的序列长度可以是指一个多媒体类别对应的多媒体资源序列中多媒体资源的数量。例如,美食对应的多媒体资源序列中可以包括n1个多媒体资源;动物对应的多媒体资源序列中可以包括n2个多媒体资源;游戏对应的多媒体资源序列中可以包括ni个多媒体资源;教育对应的多媒体资源序列中可以包括nt个多媒体资源。
在步骤S203中,从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源。
实际应用中,可以对每个多媒体类别对应的多媒体资源序列中多媒体资源进行采样,以降低多媒体资源的量级,为后续在线计算相关多媒体资源提供基础。基于此,可以分别从每个多媒体类别对应的多媒体资源序列中提取多媒体资源作为目标多媒体资源,例如,可以分别从每个多媒体类别对应的多媒体资源序列中提取距离当前时间小于时间阈值的多媒体资源作为目标多媒体资源,这里的时间阈值可以是2天,本公开对此不作限定。或者,可以分别从每个多媒体类别对应的多媒体资源序列中提取预设数量的多媒体资源作为目标多媒体资源,可选地,如果某个多媒体类别下的多媒体资源序列中多媒体资源的数量小于预设数量,可以提取全部的多媒体资源。
提取之后,可以如图4所示,美食对应的多媒体资源序列的长度从n1变更为m1,类似地,n2变更为m2、ni变更为mi、nt变更为mt。需要说明的是,提取的目标多媒体资源的长度(数量)小于多媒体资源序列的长度。
在步骤S205中,获取与目标多媒体资源相关的关联多媒体资源。
本说明书实施例中,可以获取与目标多媒体资源相关的关联多媒体资源,也就是说获取目标多媒体资源的相关多媒体资源。在一个示例中,可以预先训练以得到机器学习模型,例如i2i(item to item,物与物)模型,从而可以基于i2i模型预测与目标多媒体资源相似的多媒体资源,以获取与目标多媒体资源相关的关联多媒体资源。例如,可以基于i2i模型得到目标多媒体资源的向量以及全量多媒体资源的向量,从而可以确定目标多媒体资源的向量与全量多媒体资源中的任一多媒体资源的距离,按照该距离对全量多媒体资源进行排序,其中,距离越小,排序可以越靠前。这样可以获取靠前的、一定数量的多媒体资源作为关联多媒体资源。该一定数量可以是10,本公开对此不作限定。全量多媒体资源可以为多媒体资源平台中的全部多媒体资源。需要说明的是,这里的全量多媒体资源可以是指目标对象对应的待推荐多媒体资源,该待推荐多媒体资源可以是目标对象未执行过预设行为的多媒体资源。例如,可以在多媒体资源平台中获取目标对象未执行过预设行为的多媒体资源作为待推荐多媒体资源;或者在多媒体资源平台中获取目标对象未执行过预设行为的、与目标对象匹配的多媒体资源作为待推荐多媒体资源,这里的与目标对象匹配可以是指与目标对象的兴趣匹配,本公开对此不作限定。
在另一个示例中,可以根据多媒体共现关系获取与目标多媒体资源相似的视频,作为关联多媒体资源。例如,可以获取多媒体资源平台中对目标多媒体资源执行过目标行为的其他用户,统计该其他用户执行过目标行为的多媒体资源,从其他用户执行过目标行为的多媒体资源中筛选出一定数量的多媒体资源作为目标多媒体资源。这里的其他用户执行过目标行为的多媒体资源可以是指不包括目标多媒体资源的其它多媒体资源。
在步骤S207中,将关联多媒体资源推荐给目标对象。
实际应用中,可以将关联多媒体资源推荐给目标对象,例如可以将关联多媒体资源发送至目标对象的终端。
可选地,可以考虑关联多媒体资源的数量,进行分批次的推荐。例如图3所示,目标对象在多个多媒体类别下对应的多媒体资源序列一共可以包括N个多媒体资源,N=n1+n2+……+ni+nt,这里的N可以是万量级的。提取后的目标多媒体资源的数量K=m1+m2+……+mi+mt,这里的K可以是百量级的。在每个目标多媒体资源的关联多媒体资源为10的情况下,关联多媒体资源的总数量可以是千量级的,即K*10。在这种情况下,可以分批次推荐关联多媒体资源给目标对象。
通过获取目标对象在多个多媒体类别下对应的多媒体资源序列,且多媒体资源序列为目标对象执行过目标行为的多媒体资源序列,可以获取目标对象的多层行为兴趣下的多媒体资源序列;并且可以从每个多媒体类别对应的多媒体资源序列中提取目标多媒体资源,降低了相关性计算的量级,为获取与目标多媒体资源相关的关联多媒体资源提供了保障,使得获取的关联多媒体资源既可以覆盖目标对象的多层行为兴趣,又可以保证与目标对象的强相关性,从而可以提高多媒体资源推荐的整体效果以及提升推荐的处理效率。
图5是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。在一种可能的实现方式中,如图5所示,该方法还可以包括:
在步骤S501中,获取向目标对象推荐多媒体资源的目标数量以及多媒体资源序列中多媒体资源的第一数量,该目标数量可以小于第一数量,第一数量可以是指多个多媒体类别下对应的多媒体资源序列中多媒体资源的总数,例如上面的N;
在步骤S503中,根据目标数量和第一数量,确定预设比例。
相应地,上述步骤S203可以包括:
在步骤S505中,分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源。
本说明书实施例中,目标数量可以是指想要提取的目标多媒体资源的总数,即向目标对象推荐多媒体资源的数量,例如可以是上述的K。在一个示例中,第一数量是万量级时,目标数量可以是百量级。目标数量可以是预先设置的。
实际应用中,可以将目标数量与第一数量的比值作为预设比例,从而可以基于该预设比例在多媒体资源序列中进行采样处理,即从多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源。例如可以分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源,从而可以将多个多媒体类别各自对象的预设比例的多媒体资源作为目标多媒体资源。
通过预设比例的设置,可以保证每个类别下的目标多媒体资源的数量可以与每个类别下的多媒体资源序列中多媒体资源的数量成正相关,可以有效保证目标多媒体资源能够表征目标对象的兴趣分布;并且以预设比例提取以降低多媒体资源的量级,为后续的相关计算提供保障,使得关联多媒体资源的获取可以在线快速执行。
图6是根据一示例性实施例示出的一种获取目标对象在多个多媒体类别下对应的多媒体资源序列的方法流程图。在一种可能的实现方式中,如图6所示,上述步骤S201可以包括:
在步骤S601中,获取目标对象在距离当前时间最近的预设时间段内的目标行为序列,该目标行为序列可以包括第一数量的多媒体资源;其中,该距离当前时间最近的预设时间段可以是指预设时间段的终止时间与当前时间的差值可以小于预设时间阈值。
本说明书实施例中,第一数量可以是指目标行为序列中多媒体的数量,例如上述的N。预设时间阈值可以是0,即预设时间段的终止时间为当前时间。
实际应用中,可以获取目标对象在预设时间段内执行过目标行为的多媒体资源,从而可以将该目标对象在预设时间段内执行过目标行为的多媒体资源作为目标对象在预设时间段内的目标行为序列。
在步骤S603中,对第一数量的多媒体资源进行分类,得到多个多媒体类别各自对应的多媒体资源序列。
本说明书实施例中,可以对第一数量的多媒体资源进行分类,得到多个多媒体类别各自对应的多媒体资源序列。例如,可以基于上述内容类别中的任一层级的类别,对第一数量的多媒体资源进行分类,得到各类别对应的多媒体资源序列。进一步地,可以将多媒体资源序列中多媒体资源的数量为0对应的内容类别过滤掉,将多媒体资源序列中多媒体资源的数量大于0对应的内容类别作为该多个多媒体类别。这样,多个多媒体类别可以是上述内容类别中的任一层级的部分类别。
可选地,可以基于第一数量的多媒体资源的内容类别,统计得到该多个多媒体类别。例如,可以基于上述内容类别中的任一层级的类别,对第一数量的多媒体资源的内容类别进行统计,得到该多个多媒体类别。在这种情况下,该多个多媒体类别可以是内容类别中任一层级中的全部类别或部分类别。举例来说,以内容类别中第一层级的类别包括美食、动物、游戏、教育、搞笑、舞蹈、美妆为例,统计得到第一数量的多媒体资源的内容类别为美食、动物、游戏、教育,从而可以确定该多个多媒体类别为美食、动物、游戏、教育。
通过获取目标对象在距离当前时间最近的预设时间段内的目标行为序列,可以保证每个多媒体类别下的多媒体资源序列是用户最近偏好的,能够适应推荐的时效性,从而可以提高推荐的精准度。
图7是根据一示例性实施例示出的一种多媒体资源推荐方法的流程图。在一种可能的实现方式中,如图7所示,该方法还可以包括:
在步骤S701中,确定每个多媒体类别对应的第二数量;
在步骤S703中,根据第二数量,确定对应多媒体类别的权重信息;
相应地,上述步骤S503可以包括以下步骤:
在步骤S705中,根据目标数量、第一数量以及权重信息,确定预设比例。
本说明书实施例中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量,即第二数量可以是指每个多媒体类别对应的多媒体资源序列中多媒体资源的数量。可以根据第二数量,确定对应多媒体类别的权重信息,本公开对此不作限定,只要权重信息与第二数量成正相关即可。进而可以根据目标数量、第一数量以及权重信息,确定预设比例。例如,可以获取目标数量与第一数量的比值,将该比值与权重信息的乘积作为预设比例。在一个示例中,可以通过下面公式(1)确定预设比例P:
其中,ni可以为第二数量,F(ni)可以为权重信息,F(ni)可以是线性函数或非线性函数;K可以为目标数量;N可以为第一数量。
通过第二数量,为每个多媒体类别确定对应的权重信息,以用于提取目标多媒体资源,可以个性化控制每个兴趣层级的提取权重,实现每个多媒体类别下多媒体资源的加权采样,使得提取的目标多媒体资源能够更好的保留目标对象的兴趣分布情况,可以进一步地提升关联多媒体资源与目标对象的相关性,提高推荐精准度。
图8是根据一示例性实施例示出的一种分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源的方法流程图。在一种可能的实现方式中,如图8所示,步骤S505可以包括:
在步骤S801中,获取每个多媒体资源序列中各多媒体资源对应的目标对象执行目标行为的时间信息以及由目标对象触发的各多媒体资源对应的展示时长;
在步骤S803中,从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
在步骤S805中,从第一多媒体资源中过滤掉目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
在步骤S807中,基于时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
在步骤S809中,根据排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出预设比例的多媒体资源作为目标多媒体资源。
本说明书实施例中,可以获取各多媒体资源对应的目标对象执行目标行为的时间信息,即可以获取各多媒体资源被目标对象执行目标行为的时间信息,例如各视频被目标对象触发播放的触发时间。并可以获取由目标对象触发的各多媒体资源对应的展示时长,比如目标对象触发播放了视频A,该视频A由于该触发播放的播放时长可以作为展示时长,也就是说,可以获取目标对象观看视频的时长。
进一步地,可以通过目标对象的行为,过滤掉目标对象不感兴趣的多媒体资源,从而可以从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;并可以从每个多媒体类别对应的第一多媒体资源中过滤掉目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源。其中,展示时间阈值可以是预先设置的,负反馈操作可以是指能够表征目标对象对多媒体资源不感兴趣的操作,例如屏蔽多媒体资源的操作、拉黑多媒体资源的操作等。
实际应用中,可以基于时间信息距离当前时间的远近,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果。例如可以将距离当前时间较近的第二多媒体资源排序靠前,得到排序结果。进而可以根据排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出预设比例的多媒体资源作为目标多媒体资源。例如可以从多个多媒体类别各自对应的第二多媒体资源中获取排序靠前的预设比例的多媒体资源构成目标多媒体资源,使得目标多媒体资源可以有效表征目标对象的近期兴趣分布情况。
通过设置展示时长和预设操作对每个多媒体资源序列进行过滤,并根据各多媒体资源的时间信息,筛选出目标多媒体资源,保证目标多媒体资源是目标对象所偏好的,且可以有效表征目标对象在各多媒体类别下的近期兴趣分布情况,为关联多媒体资源的推荐精度提供保障。
图9是根据一示例性实施例示出的一种分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源的方法流程图。在一种可能的实现方式中,如图9所示,步骤S505可以包括:
在步骤S901中,获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息;
在步骤S903中,确定上述各多媒体资源对应的展示指标信息与互动指标信息的加权指标信息;
在步骤S905中,基于加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源,作为目标多媒体资源。
其中,互动指标信息可以表征目标对象与各多媒体资源的互动信息,例如点赞、评论、转发、关注、进入作者个人主页等。展示指标信息可以表征多媒体资源的展示进度信息,例如多媒体资源的展示时长信息、是否展示。可以设置展示时长对应的权重,例如设置展示时长的多个范围分别对应的权重。
实际应用中,可以根据下面公式(2)确定加权指标信息Q:
其中,z可以是展示指标信息的种类数量,Zi可以是第i个展示指标信息,Wi可以是第i个展示指标信息的权重;h是互动指标信息的种类数量,Hj可以是第j个互动指标信息,Wj是第j个互动指标信息的权重。
作为一个示例,以多媒体资源是视频为例,加权指标信息可以为:W1*log(播放时长)+W2*是否长播+W3*是否完播+W4*是否点赞+W5*是否评论+W6*是否转发+W7*是否关注+W8*是否进入作者个人主页。其中,播放时长、是否长播、是否完播可以是展示指标信息;是否点赞、是否评论、是否转发、是否关注、是否进入作者个人主页可以是互动指标信息。这里的作者可以是视频的作者,对于上述展示指标信息中的“是否长播”和“是否完播”以及互动指标信息为是时,取值可以为1;为否时,取值可以为0,本公开对此不作限定。
需要说明的是,对于播放时长,由于取值差异大,选择以上述log方式进行平滑处理,使得加权指标信息更加准确。
进一步地,可以基于加权指标信息,从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源,作为每个多媒体类别对应的目标多媒体资源。
通过确定每个多媒体资源对应的展示指标信息与互动指标信息的加权指标信息,并基于加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源,使得目标多媒体资源可以有效表征目标对象在不同多媒体类别下的综合兴趣分布情况,进而可以保证基于该目标多媒体资源得到的关联多媒体资源可以覆盖目标对象的综合兴趣,既可以保证推荐的多媒体资源可以全面覆盖目标对象的兴趣,又可以保证推荐的多媒体资源与目标对象的相关性。
在一种可能的实现方式中,为了保证每个多媒体类别对应的多媒体资源序列中多媒体资源的数量与预设比例的乘积是整数,以便于目标多媒体资源的提取,可以对该乘积进行取整处理。其中,目标多媒体资源可以包括第一目标多媒体资源和第二目标多媒体资源。基于此,上述S505可以包括以下步骤:
确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
在第二数量与预设比例的乘积为非整数的情况下,对乘积进行取整处理,得到第三数量;
从上述非整数对应的多媒体资源序列中提取第三数量的多媒体资源,作为第一目标多媒体资源;
在第二数量与预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取乘积对应数量的多媒体资源作为第二目标多媒体资源。
在一个示例中,上述取整处理可以是向上取整,例如,乘积为0.3,向上取整后,可以得到第三数量为1。这样可以保证在提取后,每个多媒体类别可以具有对应的目标多媒体资源,即提取后,不仅可以保留目标对象的强兴趣类别的多媒体资源,还可以保留目标对象的中长尾兴趣类别的多媒体资源,从而可以使得推荐的多媒体资源可以全覆盖目标对象的兴趣分布,并且可以更好的挖掘目标对象的中长尾兴趣。其中,强兴趣类别可以是指第二数量较大对应的多媒体类别;中长尾兴趣类别可以是指第二数量较小对应的多媒体类别。
可选地,在第二数量与预设比例的乘积为整数的情况下,可以从整数对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源,即可以从对应多媒体资源序列中提取乘积对应数量的多媒体资源作为第二目标多媒体资源。也就是说,当乘积是整数时,在对应的多媒体类别的多媒体资源序列中直接提取预设比例的多媒体资源作为目标多媒体资源;当乘积是非整数时,先对该非整数进行取整处理,取整处理后,在对应的多媒体类别的多媒体资源序列中提取第三数量的多媒体资源,作为目标多媒体资源。以图3为例,美食对应的乘积是整数,可以从美食下的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源;动物对应的乘积为非整数,例如是0.3,可以确定第三数量为1,这样可以从动物下的多媒体资源序列中提取1个多媒体资源作为目标多媒体资源。
图10是根据一示例性实施例示出的一种多媒体资源推荐装置框图。参照图10,该装置可以包括:
多媒体资源序列获取模块1001,被配置为执行获取目标对象在多个多媒体类别下对应的多媒体资源序列,该多媒体资源序列可以为目标对象执行过目标行为的多媒体资源序列;
目标多媒体资源提取模块1003,被配置为执行从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源;
关联多媒体资源获取模块1005,被配置为执行获取与目标多媒体资源相关的关联多媒体资源;
推荐模块1007,被配置为执行将关联多媒体资源推荐给目标对象。
通过获取目标对象在多个多媒体类别下对应的多媒体资源序列,且多媒体资源序列为目标对象执行过目标行为的多媒体资源序列,可以获取目标对象的多层行为兴趣下的多媒体资源序列;并且可以从每个多媒体类别对应的多媒体资源序列中提取目标多媒体资源,降低了相关性计算的量级,为获取与目标多媒体资源相关的关联多媒体资源提供了保障,使得获取的关联多媒体资源既可以覆盖目标对象的多层行为兴趣,又可以保证与目标对象的强相关性,从而可以提高多媒体资源推荐的整体效果以及提升推荐的处理效率。
在一种可能的实现方式中,该装置还可以包括:
目标数量和第一数量获取模块,被配置为执行获取向目标对象推荐多媒体资源的目标数量以及多媒体资源序列中多媒体资源的第一数量;
预设比例确定模块,被配置为执行根据目标数量和第一数量,确定预设比例;
目标多媒体资源提取模块包括:
目标多媒体资源提取单元,被配置为执行分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源。
在一种可能的实现方式中,该装置还可以包括:
第二数量确定模块,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
权重信息确定模块,被配置为执行根据第二数量,确定对应多媒体类别的权重信息;
预设比例确定模块包括:
预设比例确定单元,被配置为执行根据目标数量、第一数量以及权重信息,确定预设比例。
在一种可能的实现方式中,目标多媒体资源提取单元可以包括:
时间信息和展示时长获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的目标对象执行目标行为的时间信息以及由目标对象触发的各多媒体资源对应的展示时长;
第一多媒体资源筛选子单元,被配置为执行从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
过滤子单元,被配置为执行从第一多媒体资源中过滤掉目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
排序结果获取子单元,被配置为执行基于时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
第一目标多媒体资源获取子单元,被配置为执行根据排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出预设比例的多媒体资源作为目标多媒体资源。
在一种可能的实现方式中,目标多媒体资源提取单元可以包括:
指标信息获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息,其中,展示指标信息表征多媒体资源的展示进度信息;互动指标信息表征目标对象与各多媒体资源的互动信息;
加权指标信息确定子单元,被配置为执行确定各多媒体资源对应的展示指标信息与互动指标信息的加权指标信息;
第二目标多媒体资源获取子单元,被配置为执行基于加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取预设比例的多媒体资源作为目标多媒体资源。
在一种可能的实现方式中,目标多媒体资源包括第一目标多媒体资源和第二目标多媒体资源;目标多媒体资源提取单元可以包括:
第二数量确定子单元,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
第三数量获取子单元,被配置为执行在第二数量与预设比例的乘积为非整数的情况下,对乘积进行取整处理,得到第三数量;
第一目标多媒体获取子单元,被配置为执行从非整数对应的多媒体资源序列中提取第三数量的多媒体资源作为第一目标多媒体资源;
第二目标多媒体获取子单元,被配置为执行在第二数量与预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取乘积对应数量的多媒体资源作为第二目标多媒体资源。
在一种可能的实现方式中,多媒体资源序列获取模块1001可以包括:
目标行为序列获取单元,被配置为执行获取目标对象在距离当前时间最近的预设时间段内的目标行为序列,目标行为序列包括第一数量的多媒体资源;
多媒体资源序列获取单元,被配置为执行对第一数量的多媒体资源进行分类,得到多个多媒体类别各自对应的多媒体资源序列。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图11是根据一示例性实施例示出的一种用于多媒体资源推荐的电子设备的框图,该电子设备可以是终端,其内部结构图可以如图11所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多媒体资源推荐的方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该电子设备的输入装置可以是显示屏上覆盖的触摸层,也可以是电子设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图11中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
图12是根据一示例性实施例示出的一种用于多媒体资源推荐的电子设备的框图,该电子设备可以是服务器,其内部结构图可以如图12所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中,该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种多媒体资源推荐的方法。
本领域技术人员可以理解,图12中示出的结构,仅仅是与本公开方案相关的部分结构的框图,并不构成对本公开方案所应用于其上的电子设备的限定,具体的电子设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在示例性实施例中,还提供了一种电子设备,包括:处理器;用于存储该处理器可执行指令的存储器;其中,该处理器被配置为执行该指令,以实现如本公开实施例中的多媒体资源推荐方法。
在示例性实施例中,还提供了一种计算机可读存储介质,当该计算机可读存储介质中的指令由电子设备的处理器执行时,使得电子设备能够执行本公开实施例中的多媒体资源推荐方法。计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行本公开实施例中的多媒体资源推荐的方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (12)
1.一种多媒体资源推荐方法,其特征在于,包括:
获取目标对象在多个多媒体类别下对应的多媒体资源序列,所述多媒体资源序列为所述目标对象执行过目标行为的多媒体资源序列;
获取向所述目标对象推荐多媒体资源的目标数量以及所述多媒体资源序列中多媒体资源的第一数量;
确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
根据所述第二数量,确定对应多媒体类别的权重信息;
根据所述目标数量、所述第一数量以及所述权重信息,确定预设比例;
分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源;
获取与所述目标多媒体资源相关的关联多媒体资源;
将所述关联多媒体资源推荐给所述目标对象。
2.根据权利要求1所述的多媒体资源推荐方法,其特征在于,所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
获取每个多媒体资源序列中各多媒体资源对应的所述目标对象执行所述目标行为的时间信息以及由所述目标对象触发的各多媒体资源对应的展示时长;
从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
从所述第一多媒体资源中过滤掉所述目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
基于所述时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
根据所述排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出所述预设比例的多媒体资源作为所述目标多媒体资源。
3.根据权利要求1所述的多媒体资源推荐方法,其特征在于,所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息,其中,所述展示指标信息表征多媒体资源的展示进度信息;所述互动指标信息表征所述目标对象与各多媒体资源的互动信息;
确定所述各多媒体资源对应的所述展示指标信息与所述互动指标信息的加权指标信息;
基于所述加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
4.根据权利要求1所述的多媒体资源推荐方法,其特征在于,所述目标多媒体资源包括第一目标多媒体资源和第二目标多媒体资源;所述分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源步骤包括:
确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
在所述第二数量与所述预设比例的乘积为非整数的情况下,对所述乘积进行取整处理,得到第三数量;
从所述非整数对应的多媒体资源序列中提取所述第三数量的多媒体资源作为所述第一目标多媒体资源;
在所述第二数量与所述预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取所述乘积对应数量的多媒体资源作为所述第二目标多媒体资源。
5.根据权利要求1所述的多媒体资源推荐方法,其特征在于,所述获取目标对象在多个多媒体类别下对应的多媒体资源序列步骤包括:
获取所述目标对象在距离当前时间最近的预设时间段内的目标行为序列,所述目标行为序列包括所述第一数量的多媒体资源;
对所述第一数量的多媒体资源进行分类,得到所述多个多媒体类别各自对应的所述多媒体资源序列。
6.一种多媒体资源推荐装置,其特征在于,包括:
多媒体资源序列获取模块,被配置为执行获取目标对象在多个多媒体类别下对应的多媒体资源序列,所述多媒体资源序列为所述目标对象执行过目标行为的多媒体资源序列;
目标多媒体资源提取模块,被配置为执行从多个多媒体类别对应的多媒体资源序列中提取目标多媒体资源;
关联多媒体资源获取模块,被配置为执行获取与所述目标多媒体资源相关的关联多媒体资源;
推荐模块,被配置为执行将所述关联多媒体资源推荐给所述目标对象;
其中,所述装置还包括:
目标数量和第一数量获取模块,被配置为执行获取向目标对象推荐多媒体资源的目标数量以及多媒体资源序列中多媒体资源的第一数量;
第二数量确定模块,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
权重信息确定模块,被配置为执行根据所述第二数量,确定对应多媒体类别的权重信息;
预设比例确定模块,被配置为执行根据所述目标数量、所述第一数量以及所述权重信息,确定预设比例;
所述目标多媒体资源提取模块包括:
目标多媒体资源提取单元,被配置为执行分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
7.根据权利要求6所述的多媒体资源推荐装置,其特征在于,所述目标多媒体资源提取单元包括:
时间信息和展示时长获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的所述目标对象执行所述目标行为的时间信息以及由所述目标对象触发的各多媒体资源对应的展示时长;
第一多媒体资源筛选子单元,被配置为执行从每个多媒体资源序列中筛选出展示时长大于展示时间阈值的第一多媒体资源;
过滤子单元,被配置为执行从所述第一多媒体资源中过滤掉所述目标对象执行过负反馈操作的多媒体资源,得到每个多媒体类别对应的第二多媒体资源;
排序结果获取子单元,被配置为执行基于所述时间信息,对每个多媒体类别对应的第二多媒体资源进行排序,得到每个多媒体类别对应的第二多媒体资源的排序结果;
第一目标多媒体资源获取子单元,被配置为执行根据所述排序结果,分别从每个多媒体类别对应的第二多媒体资源中筛选出所述预设比例的多媒体资源作为所述目标多媒体资源。
8.根据权利要求6所述的多媒体资源推荐装置,其特征在于,所述目标多媒体资源提取单元包括:
指标信息获取子单元,被配置为执行获取每个多媒体资源序列中各多媒体资源对应的展示指标信息以及互动指标信息,其中,所述展示指标信息表征多媒体资源的展示进度信息;所述互动指标信息表征所述目标对象与各多媒体资源的互动信息;
加权指标信息确定子单元,被配置为执行确定所述各多媒体资源对应的所述展示指标信息与所述互动指标信息的加权指标信息;
第二目标多媒体资源获取子单元,被配置为执行基于所述加权指标信息,分别从每个多媒体类别对应的多媒体资源序列中提取所述预设比例的多媒体资源作为所述目标多媒体资源。
9.根据权利要求6所述的多媒体资源推荐装置,其特征在于,所述目标多媒体资源包括第一目标多媒体资源和第二目标多媒体资源;所述目标多媒体资源提取单元包括:
第二数量确定子单元,被配置为执行确定每个多媒体类别对应的第二数量,其中,每个多媒体类别对应的第二数量为每个多媒体类别下多媒体资源的数量;
第三数量获取子单元,被配置为执行在所述第二数量与所述预设比例的乘积为非整数的情况下,对所述乘积进行取整处理,得到第三数量;
第一目标多媒体获取子单元,被配置为执行从所述非整数对应的多媒体资源序列中提取所述第三数量的多媒体资源作为所述第一目标多媒体资源;
第二目标多媒体获取子单元,被配置为执行在所述第二数量与所述预设比例的乘积为整数的情况下,从对应多媒体资源序列中提取所述乘积对应数量的多媒体资源作为所述第二目标多媒体资源。
10.根据权利要求6所述的多媒体资源推荐装置,其特征在于,所述多媒体资源序列获取模块包括:
目标行为序列获取单元,被配置为执行获取所述目标对象在距离当前时间最近的预设时间段内的目标行为序列,所述目标行为序列包括所述第一数量的多媒体资源;
多媒体资源序列获取单元,被配置为执行对所述第一数量的多媒体资源进行分类,得到所述多个多媒体类别各自对应的所述多媒体资源序列。
11.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至5中任一项所述的多媒体资源推荐方法。
12.一种计算机可读存储介质,其特征在于,当所述计算机可读存储介质中的指令由电子设备的处理器执行时,使得所述电子设备能够执行如权利要求1至5中任一项所述的多媒体资源推荐方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110850607.9A CN113672746B (zh) | 2021-07-27 | 2021-07-27 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110850607.9A CN113672746B (zh) | 2021-07-27 | 2021-07-27 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113672746A CN113672746A (zh) | 2021-11-19 |
CN113672746B true CN113672746B (zh) | 2024-03-26 |
Family
ID=78540479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110850607.9A Active CN113672746B (zh) | 2021-07-27 | 2021-07-27 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113672746B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718545A (zh) * | 2016-01-18 | 2016-06-29 | 合一网络技术(北京)有限公司 | 多媒体资源的推荐方法和装置 |
CN106802913A (zh) * | 2016-12-06 | 2017-06-06 | 乐视控股(北京)有限公司 | 一种播放内容推荐方法及其装置 |
CN108733684A (zh) * | 2017-04-17 | 2018-11-02 | 合信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN109511015A (zh) * | 2018-08-10 | 2019-03-22 | 腾讯科技(深圳)有限公司 | 多媒体资源推荐方法、装置、存储介质及设备 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
CN110717110A (zh) * | 2019-10-12 | 2020-01-21 | 北京达佳互联信息技术有限公司 | 多媒体资源过滤方法、装置、电子设备及存储介质 |
CN110929052A (zh) * | 2019-12-03 | 2020-03-27 | 北京奇艺世纪科技有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
CN111708901A (zh) * | 2020-06-19 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
CN112765375A (zh) * | 2021-01-29 | 2021-05-07 | 北京达佳互联信息技术有限公司 | 多媒体资源信息的展示方法、装置、电子设备和存储介质 |
CN112883258A (zh) * | 2021-01-11 | 2021-06-01 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104270647B (zh) * | 2014-10-20 | 2018-12-25 | 珠海豹趣科技有限公司 | 一种媒体内容推荐方法和装置 |
-
2021
- 2021-07-27 CN CN202110850607.9A patent/CN113672746B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105718545A (zh) * | 2016-01-18 | 2016-06-29 | 合一网络技术(北京)有限公司 | 多媒体资源的推荐方法和装置 |
CN106802913A (zh) * | 2016-12-06 | 2017-06-06 | 乐视控股(北京)有限公司 | 一种播放内容推荐方法及其装置 |
CN108733684A (zh) * | 2017-04-17 | 2018-11-02 | 合信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN110418200A (zh) * | 2018-04-27 | 2019-11-05 | Tcl集团股份有限公司 | 一种视频推荐方法、装置及终端设备 |
CN109511015A (zh) * | 2018-08-10 | 2019-03-22 | 腾讯科技(深圳)有限公司 | 多媒体资源推荐方法、装置、存储介质及设备 |
CN109740068A (zh) * | 2019-01-29 | 2019-05-10 | 腾讯科技(北京)有限公司 | 媒体数据推荐方法、装置及存储介质 |
CN110717110A (zh) * | 2019-10-12 | 2020-01-21 | 北京达佳互联信息技术有限公司 | 多媒体资源过滤方法、装置、电子设备及存储介质 |
CN110929052A (zh) * | 2019-12-03 | 2020-03-27 | 北京奇艺世纪科技有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
CN111708901A (zh) * | 2020-06-19 | 2020-09-25 | 腾讯科技(深圳)有限公司 | 多媒体资源推荐方法、装置、电子设备及存储介质 |
CN112883258A (zh) * | 2021-01-11 | 2021-06-01 | 北京达佳互联信息技术有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
CN112765375A (zh) * | 2021-01-29 | 2021-05-07 | 北京达佳互联信息技术有限公司 | 多媒体资源信息的展示方法、装置、电子设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113672746A (zh) | 2021-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020228514A1 (zh) | 内容推荐方法、装置、设备及存储介质 | |
Hussain et al. | Automatic understanding of image and video advertisements | |
JP2022551227A (ja) | 弾幕生成方法、装置、及びコンピュータプログラム | |
CN111898031A (zh) | 一种获得用户画像的方法及装置 | |
CN110348907B (zh) | 一种广告人群的定向方法及装置 | |
CN110234018B (zh) | 多媒体内容描述生成方法、训练方法、装置、设备及介质 | |
CN112749608A (zh) | 视频审核方法、装置、计算机设备和存储介质 | |
CN111506820B (zh) | 推荐模型、方法、装置、设备及存储介质 | |
CN111126495B (zh) | 模型训练方法、信息预测方法、装置、存储介质及设备 | |
CN113392331A (zh) | 文本处理方法及设备 | |
CN110309114A (zh) | 媒体信息的处理方法、装置、存储介质和电子装置 | |
CN114461871B (zh) | 推荐模型训练方法、对象推荐方法、装置及存储介质 | |
CN111597446A (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
Ortis et al. | Predicting social image popularity dynamics at time zero | |
Cui et al. | Discriminative sentence modeling for story ending prediction | |
CN113918738B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN113704511B (zh) | 多媒体资源的推荐方法、装置、电子设备及存储介质 | |
CN113704509B (zh) | 多媒体推荐方法、装置、电子设备及存储介质 | |
CN112989179A (zh) | 模型训练、多媒体内容推荐方法和装置 | |
WO2019133164A1 (en) | System and method for recommending features for content presentations | |
Gravino et al. | Crossing the horizon: exploring the adjacent possible in a cultural system | |
CN117493672A (zh) | 产品的推荐方法、装置、存储介质及电子设备 | |
CN114817692A (zh) | 确定推荐对象的方法、装置和设备及计算机存储介质 | |
CN116823410A (zh) | 数据处理方法、对象处理方法、推荐方法及计算设备 | |
CN113672746B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |